可以非常负责地告诉你，你以为很难的东西，其实就是一层窗户纸，你看得多了，自然就有了感觉，知道大家是怎么思考问题的，怎么去找解决思路的。他们在本科就接受了非常棒的科研训练，很多问题，他们给你一点点拨，可能你就明白是怎么回事了。
计算机视觉研一，只学过Python基础，目前代码能力很差，要不要换导师，不换的话如何毕业？
老甘闲聊，跟你聊聊兄弟，你跟我刚入学的情况一样。我入学的时候，就会java和C语言，写写网站都有点够呛，但是进组就要做C 的视觉项目。师兄师姐那时候一般都是用matlab，函数库比较方便，但是我真心到现在也很难接受matlab，用得相当不踏实。刚读研究生，之前没有系统的科研训练，学习生活上有挫折感是非常正常的。
下面，结合我的经验，给你几条建议：1.读文献，建立知识体系这个阶段是你正在经历的阶段。什么都不懂，什么技术都没有积累。读文献，文献里大量的公式看不懂，大量的示意图，算法伪代码，都不清楚原理，这是非常正常的，因为每一篇文献都是在一个已经成熟的知识体系里完成撰写的。你不了解背后的知识体系，自然都不清楚这篇文献的核心观点是什么，做了哪些重要的改进。
所以，你在这个阶段要找到一到两个小方向，拼命的大量的读头部文献。会议里的CVPR，ICCV，期刊的TPAMI，TIP还有IJCV的文章，在你这个小方向最近五年的文章都要看。重点看高引文章，尤其是头部期刊重复引用的文章，这对你梳理整个知识体系的脉络是非常有帮助的。可以非常负责地告诉你，你以为很难的东西，其实就是一层窗户纸，你看得多了，自然就有了感觉，知道大家是怎么思考问题的，怎么去找解决思路的。
其实真正有用的技术路线就那么几条，做微调的工作多，有创见性的工作少之又少。所以当你的文献量足够时，自然对整个脉络就很清楚了，甚至可以做到看个摘要，就对这篇文章的技术路线，水平做出判断。2.多实践，多读代码以我为例，我在大学阶段主要是用java写网站，从来没有做过视觉项目。进组后，导师就让我接手做一个图像超分辨率的项目。
那个时候两眼一抹黑，啥也不懂。从头学VS，从头学C ，从头学opencv。我读研时，python还没火起来，github还不知道是个什么东西，都不知道在哪个论坛里找到一个教程，配环境，研读代码。要说起来，opencv真是个好东西，我第一次接触，就觉得这个库非常好用，用几行代码就能调出很棒的功能。我从像素调用开始学，并自己尝试着复现一些简单的图像超分辨率算法，双三次什么的。
之后再通过读论文，一点一点地摸索改进的方向。那个时候还没有什么深度学习，找一个SVM或者Adaboost的模型，自己再想一些小的idea融合一下，一个项目也就做起来了。我的经验是，你做起来，慢慢地也就没那么难了。如果你始终不去做，那么再简单的东西也会让你觉得难以入手。现在的开源工具这么多，随便在github上下载一个网络模型，用python配置一下，网上找找教程，试着读读代码，日积月累，总能有所收获。
3.多交流，扩展知识面做科研，很多情况是，你一个人在那里跟自己较劲，折腾一个方程或者一段代码，就是搞不定，卡在一个地方一天甚至一周都没有进展。这个时候，你需要向有经验的人士寻求帮助。一般来说，就是你的同学还有你的师兄师姐。一般211以上学校的平台，总会有一些大牛学生。你要去接触这些人，向这些人学习。他们在本科就接受了非常棒的科研训练，很多问题，他们给你一点点拨，可能你就明白是怎么回事了。
除了在学校与同学，师兄师姐的交流外，多去技术论坛逛一逛，多去研究一下别人的代码。网上视觉的教学课程那么多，去听听课，我现在就在学习吴恩达的深度学习课程。一般学院和实验室定期也会组织学术交流会和暑期课程，多参加，丰富自己。我记得我在参加一次暑期课程时，一个图形学大牛讲几何分析，听了一轮下来，真的有拨云见日的感觉，直到现在，还在受益。
